The impact of co-morbid mental and physical disorders on presenteeism
Notice bibliographique
Résumé
OBJECTIVES: This study sought to: (i) explore the impact of mood disorders (such as depression, bipolar disorder, mania, or dysthymia) and five age-related chronic physical conditions (arthritis, back pain, diabetes, heart disease, and hypertension) on presenteeism (as indicated by self-reported activity limitations at work), and (ii) examine how mood disorders interact with each physical condition to affect this work outcome. METHODS: Using Canadian Community Health Survey (CCHS) data, we modeled the relationships between self-reported restrictions at work and each health condition. We then calculated synergy indices (SI) for the interaction between mood disorders and each of the five physical conditions. RESULTS: All six health conditions were associated with presenteeism. The strongest association was observed for back pain [prevalence ratio (PR) 2.70, 95% confidence interval (95% CI) 2.57-2.83] and the weakest for hypertension (PR 1.18, 95% CI 1.11-1.25). The unadjusted SI indicated no interactions between mood disorders and any of the physical conditions, while the adjusted SI indicated statistically significant interactions between mood disorders and each of the five physical conditions. The statistically significant adjusted interactions were in a negative direction, such that having a mood disorder concurrent with a chronic physical condition was associated with a lower burden of presenteeism than expected. Post-hoc analyses revealed that this unexpected finding was attributable to adjustment for other co-morbid health conditions, particularly arthritis and back pain. CONCLUSIONS: Our results suggest that targeting chronic physical conditions or mood disorders may be productive in reducing presenteeism. The combined effect on presenteeism when the two types of conditions occur simultaneously is similar to the additive effect of these conditions when each occurs in isolation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».